gpt-2

RWKV (prononcé RwaKuv) est un RNN offrant d'excellentes performances LLM, pouvant être entraîné directement comme un transformeur GPT (parallélisable). Nous en sommes à RWKV-7 "Goose". Il combine le meilleur du RNN et du transformeur : excellentes performances, temps linéaire, espace constant (pas de kv-cache), entraînement rapide, longueur de contexte infinie et plongements de phrases gratuits.

Code pour loralib, une implémentation de "LoRA : Low-Rank Adaptation of Large Language Models".

Ce dépôt contient des démonstrations réalisées avec la bibliothèque Transformers de HuggingFace.

Auto-complétion de code par IA.

[Prix du meilleur article NeurIPS 2024][GPT surpasse la diffusion🔥] [lois d'échelle en génération visuelle📈] Implémentation officielle de "Visual Autoregressive Modeling: Scalable Image Generation via Next-Scale Prediction". Une base de code ultra-simple, intuitive et à la pointe de la technologie pour la génération d'images autorégressive.

Version chinoise du code d'entraînement GPT2, utilisant le tokenizer BERT.

Collection de modèles NLP chinois pré-entraînés de haute qualité, incluant des grands modèles, des modèles multimodaux et des grands modèles de langage.

Framework open source de pré-entraînement de modèles sous PyTorch et zoo de modèles pré-entraînés.

Pipelines NLP natifs en Rust prêts à l'emploi et modèles basés sur des transformers (BERT, DistilBERT, GPT2,...)

Construisez, personnalisez et contrôlez vos propres LLM. Du prétraitement des données au fine-tuning, xTuring offre un moyen simple de personnaliser des LLM open source.

Boîte à outils pour l'apprentissage automatique, le traitement du langage naturel et la génération de texte avec TensorFlow. Fait partie du projet CASL : http://casl-project.ai/

Kashgari est un framework de transfert d'apprentissage NLP de niveau production basé sur tf.keras pour l'étiquetage et la classification de texte, incluant Word2Vec, BERT et GPT2 Language Embedding.

Exécution de llama et d'autres grands modèles de langage sur iOS et MacOS hors ligne via la bibliothèque GGML.

Guide d'utilisation des modèles de langage pré-entraînés pour le code source.

[CVPR 2025 Oral] Infinity ∞ : Mise à l'échelle de la modélisation autorégressive bitwise pour la synthèse d'images haute résolution.

Client Visual Studio Code pour Tabnine.

Utilisez des transformers pré-entraînés comme BERT, XLNet et GPT-2 dans spaCy.

Cette série vous emmène des fondamentaux du NLP et de la vision par ordinateur jusqu'à la pointe des modèles vision-langage.

Une liste organisée de ressources en NLP axée sur les réseaux Transformer, les mécanismes d'attention, GPT, BERT, ChatGPT, les LLM et l'apprentissage par transfert.

Framework de pré-entraînement Tencent en PyTorch et zoo de modèles pré-entraînés

Ce mot n'existe pas

Le tokenizer, encodeur et décodeur BPE JavaScript le plus rapide pour les modèles GPT d'OpenAI (gpt-5, gpt-o*, gpt-4o, etc.). Portage de tiktoken d'OpenAI avec des fonctionnalités supplémentaires.

Implémentation de ChatGPT RLHF (Reinforcement Learning with Human Feedback) sur n'importe quel modèle de génération dans les transformers de Hugging Face (bloomz-176B/bloom/gpt/bart/T5/MetaICL)

Client IDE Jetbrains pour TabNine. Compatible avec tous les IDE basés sur IntelliJ. https://plugins.jetbrains.com/plugin/12798-tabnine